文学语言的艺术性范文

前言：我们精心挑选了数篇优质文学语言的艺术性文章，供您阅读参考。期待这些文章能为您带来启发，助您在写作的道路上更上一层楼。

第1篇

【关键词】视觉艺术;文学艺术;意象;差异

文学艺术与视觉艺术都源于艺术家的心灵意象,他们的起点是相同的。但是从以上视觉艺术形象和文学艺术形象的形成过程及欣赏方式来看,两者之间存在差异。

首先,在形成过程中采用的是不同的媒介。视觉艺术形象必须通过视觉元素,利用颜色、形体等因素的组合创造有悖于原始自然状态的具体视觉造型来传达;而文学艺术形象是通过文字这种抽象性的语言符号,经过阅读而在脑海里形成的,本身更具有思维成分的参与。

其次,在欣赏过程中,由于视觉艺术形象的传达过程的具象性,导致其欣赏过程是在直接的视觉感受过程中完成,有明显的直接感受的特性,是直接的观看过程;而文学艺术形象必须在阅读过程中以各自的想象力去领会,其魅力来源于在头脑中形成的潜象的不确定性和模糊性。它相对于直接的观看多了一个理解和想像的程序。

在这种差异中,我们更有必要区分的是在欣赏视觉艺术形象和欣赏文学艺术形象的过程中,应该以什么样的方式来对待。因为生活中长期对语言文字的学习和使用,使我们比较习惯性地用文字理解的方式去理解周围的事物,在认知过程中,基本以接受到讯息然后在脑中进行一个思维和认知的过程这种方式来形成理解。而在视觉艺术形象欣赏中,更注重的是直接的视觉感官的感受,此时是否有良好的直接视觉感受力更加重要,而一般理解语言文字的能力可以影响但并不能起到决定性的作用。

就艺术欣赏和批评来看,艺术家是将心象外化为艺术形式,而读者历经的心理过程则相反,是从作品一路而上直溯艺术家的内心情感,并按照自身的经验理解描述出深层含义。但文学欣赏在读者头脑中催生形成的潜象不具可视性,而视觉艺术欣赏则需要读者用眼睛感受、读取图像的图形和色彩形式,是充分可视、直观的。文字语言方便传达,结构组合弹性自如、可繁可简,是人类进行信息交流和思维的主要形式;图像语言关照视觉感官,具有直观性和具象性特征,但对概念和逻辑的传达有不可逾越的障碍。由于传达方式和途径的不同,两种方式各有传递过程的信息缺失现象,二者也因此具有不可替代的互补性。

文学家在描述一件视觉艺术作品时,也会加入自己的理解和认识。但是文字阅读产生的效果,依然无法在视觉欣赏中获得,而视觉欣赏产生的感受也同样无法在文字阅读中感受,这就是文学和艺术不能互通的部分。因此某些艺术品为了完整表达而使用了书画结合的方式来互为补充。“……其中某些规律更多地统辖着画,而另一些规律却更多地统辖着诗;在后一种情况之下,诗可以提供事例来说明画,而在前一种情况之下,画也可以提供事例来说明诗。”此处对比的是诗和画这两种艺术形象,诗属于文学艺术形象,画属于视觉艺术形象。可见两者存在的互补性早已被认识。此种互补性也很早就被中国人运用在了中国画的艺术表现上。

中国画的表现形式一直流行于文人士大夫阶层,诗与画共同成为体现中国式哲学的典型表现形式。中国画的艺术表达建立在中国文人墨客对于生存哲学的理解基础上,此哲学谓之“道”。因此中国画的表现形式一直以客观现实为基础,“外师造化,中得心源”(唐 张b),将画面的表现重点放在画家自身对事物的认识和修养上,由内观外。中国画从一开始就没有严肃追究所描绘物像的形体精准,而是“道法自然”,追求画面对“境界”的表达。由于研究画的阶层均为上层的文人士大夫,于是书画在中国画中是不分家的,文字作为款识与画同时出现在一幅作品中,起着互相补充的作用。在大多数的中国画中,款识都起到了对画面的补充作用,人们在欣赏国画时,同时通过对款识的解读,进一步理解画者的画中之意以及画外之意,包括作者的心境、观点等等的认识。而在我国古代就出现了很多能写擅画的文人,有名的诸如唐代的王维,他的诗家喻户晓,而从他对于诗和画这两种形式的表达上来说,也达到了一个很高的水准 。

如《王维诗意图》,取的就是他诗中“闭户著书多岁月,种松皆作老龙鳞。”这两句诗。画面事实上表现了深山中、泉水边、老松下的清幽生活场景,而这两句诗将画面之外的含义点出,提示观者画面中更深的一层意味,体现出画家向往一种隐居生活和高尚的精神追求。

郑板桥的《竹石图》中,描绘的是生长在岩石旁的几棵瘦竹,画面上比较特别的是,在石头上题了款识,写到:“文与可画竹胸有成竹,板桥画竹胸无成竹。与可之有成竹,所谓渭川千亩在胸中也。板桥之无成竹,如雷霆霹雳,草木怒生,有莫知其然而然者,盖大化之流行其道如是。与可之有,板桥之无,是一是二解人会之。”在这幅画作里,文字不仅补充说明了画家本人的个性,让人了解这幅画的深层精神内涵,也对于画面的构图起到了填补改善的作用,让画面的视觉效果更加突出。

从国画例子中可看出,中国人追求的画面效果并非完全写实的风景人物,而是一种精神境界的视觉体现。这种追求体现在视觉造型艺术形象上,是抽象而又具体的。文字和图像都属于宣扬自己精神追求的一种表达方式,而且这两种表达方式既有各自的差异又能互相补充。由这种“图文并茂”的艺术表现形式来看,中国人其实很早就意识到了文字和图画的差异,并且加以利用了。

【参考文献】

[1] 《中国画论辑要》周积寅 编著 江苏美术出版社2005年7月第1版

[2] 《齐白石谈艺录》王振德 李天庥 编著 河南美术出版社1998年10月第1版

[3] 《美学是什么》周宪 著 北京大学出版社2002年1月第1版

[4] 《中国美术简史》中央美术学院美术史系中国美术教研室 编著 中国青年出版社2002年5月第1版

第2篇

一、利用课堂范读语言，变纯文本语言为传递情感的语言

在课堂上，教师不是不注重范读，而是往往把范读当成了教学的一个环节。这就使得范读语言的功效在不知不觉地缺失。事实是，文本语言魅力的显示，离不开范读语言的有效转化、恰当体现，尤其在小学阶段。换句话说，范读语言没有艺术性，则文本语言本身的魅力只能在静止中存在。如果教师把范读语言当成一种有效转化、恰当体现文本语言的课堂语言，那么，课堂语言的艺术性就会在教师的范读中得以体现。

就课堂范读语言而言，教师的范读要情真意切，变纯文本语言为传递情感的语言，“感人心者，莫先乎情。”“读到忘我之境时，师生往往投入其中，学生、教师、文本一切地融为一体。”在小学语文教学中，听说读写的核心是读。对于教师而言，“读”是转化纯文本语言为情感语言的一种方式。正确、流利是对“读”的浅层次要求，有感情、有节奏是对“读”的高层次要求。读正确是指不添字、不漏字、不读错字。读流利是说不一字一顿、不拿腔作势、不上气不接下气。这些是课堂对范读语言的最基本的要求，一般教师都能做到。文本中的情感，是喜，是怒，是哀，是乐？是单一的，复杂的？是淡淡的，浓烈的？文本中的节奏，是抑扬顿挫的，是流畅自然的？文本中的语言，是朴素自然的，华美欢快的，还是意味悠长的？同样是课文中的字字句句，通过艺术性的课堂范读，在教师的口中，必须把静态的文本语言幻化成令学生听来乐则开怀，悲则呜咽的动态的课堂语言。这是多么的美妙！读《十里长街送总理》，学生在教师饱含深情的范读语言中体会人们翘首盼望总理的焦急；读《吃水不挖打井人》，学生在教师情感的洋溢中感受乡亲们对的崇敬之情。这种范读带来的美妙，不就是范读语言艺术性的体现吗？极具感染力的课堂范读语言，不仅仅是一种课堂教学的修饰，也不仅仅是一种课堂朗读的技巧，它更是一种体现课堂语言艺术性的方式，更是一种此情此境的感染、潜移默化的熏陶。艺术化的范读语言，让学生心动，让学生情生。

二、课堂口头语言要灵活，各尽其妙显个性

课堂口头语言关联于文本语言的意思是指它与文本语言并行为理解文本语言而用，是课堂主导、引导、激励、评价者主导、引导、激励、评价学生学习文本语言的主导语、引导语、激励语、评价语等等。为此，课堂口头语既是具有个性色彩的和教师教学风格相一致的课堂口语，又是极具感染力的和教学内容相一致的课堂“台词”。

第3篇

【关键词】网络安全 生物认证 击键动力学 键纹识别

生物认证就是利用人体生物学特征来识别用户身份的安全认证技术，常见的有指纹、声纹、笔迹、虹模等。生物认证在很多领域得到成功的运用，但现有生物特征认证存在两个无法克服的问题：一是需要成本相对较高的生物特征提取设备；二是需要用户当面认证，无法实现远程自动认证。

早在人工摩尔斯电报时代，1895年研究人员就发现发报人员的击键模式特征与发报人员是一一对应，熟练的收报员能够通过发报人员的击键特征远程确定发报人员的身份，现代电脑键盘的使用与之相似，上世纪九十年代美国华盛顿科学基金会（The Nation Science Foundation， Washington D.C.）就研究证实人们敲击键盘的动力特征有唯一性[1]。对于信息系统来说这种唯一性就是来自键盘输入信号特征的唯一性，过去很多文献将这一特征叫击键动力学特征，我们认为，既然键盘输入特征和指纹一样对于用户唯一确定，更确切地应该将这一特性取名为键纹。

运用键纹作为生物特征识别用户身份有以下特点：首先它以键盘作为特征提取设备简单可靠、成本低廉；其次它将用户身份识别与信息系统登录、认证过程有机结合，可以实现远程身份识别，用户甚至感觉不到它的存在。

具体说来，用户在敲击键时有各自不一样的特征。例如在使用拼音输入“中国”二字时，一些人会以zh-ong-guo的方式打入字母，停顿在声母和韵母以及字的中间；另一些人则会以zhon-gg-uo的方式，将两个g字母并在一起快速输入。这些特征是人在长期的打字实践中潜移默化形成无法随意改变。利用这些打字特征来识别用户不仅可以识别用户身份，还可以实现远程在线识别大大提高了信息系统的安全性。在己往的研究中对键纹的识别方法主要使用模板匹配法、模糊逻辑识别法、神经网络等，这些方法往往较为复杂，需要相对深奥的数学模型和相对大量的数据进行机器学习。本文研究提出一种较为简便的数学模型，较好的反映了击键组合产生的键纹特征，且计算较为简便、易于实现。

1 键纹识别的数学模型

在阐述算法之前，我们先定义一些名词。用户的打字是由一系列动作组成，这些动作包括了按下键和释放按键。我们把按下某键x到放开x的时间称为“x的滞留时间”记作Tx，从键入x开始到键入下一个按键y中间的时间称为“xy的跨越时间”记作Txy。我们将一次滞留或者一次跨越统称为一个“事件”。在用户输入一串文字的过程中，第i次事件记为ei，事件ei所用的时间记作ti。这里我们统一用大写字母表示某一类事件，而用小写字母表示某一个事件，比如我们用EA和TA表示按下A键和A键的滞留事件，而用ej和tj来表示第j个事件和其占用的时间。

我们现在来定义问题。我们希望在得知用户输入各个按键的时间情况下，判定输入的用户是否为特定用户。即：已知一系列事件e1，e2，…en和其时间t1，t2，…tn，求解输入用户u是指定用户u0的概率：

Pr（u=u0|e1…e2，t1…tn） （1）

我们已有的数据是用户u0过去的输入习惯，即我们已知用户过去打字过程中产生的所有事件e1'，…，em'以及各事件的时间t1'，…，tm'。这里m是一个非常大的整数，因为用户在日常生活中积累了大量的打字经历，因而我们应该拥有大量的关于用户过去打字的数据（即大量事件）。这意味着对于任意事件Ex，我们可以获得以下概率：

（2）

换言之，我们有对于任意事件所耗费时间Tx的概率分布函数fx（t），使得：

（3）

实际操作时，fx（t）不是一个连续函数，（例如用户过去在A键上的停留时间分别是3.5，2.2，4.3毫秒时，fx（t）在这些值上都是无穷大，而其它值上则为0），但这并不影响我们的算法，我们会在后文中再回到这点。

除了对单一事件所耗时外，只要我们有足够数据（m中够大），我们还有对任意多连续事件Tx1、Tx2……Txi所耗时的概率分布函数：

（4）

上式中的概率可以用（2）式一样的方法求出或找出过去用户u0的输入中所有的Ex1……Exi连续事件，计算出其中多少事件符合a1，……ai，b1，……bi的约束条件即可。

我们的最终目标是利用以上概率（2）（3）（4）求出（1）的值。我们首先利用贝叶斯定理把（1）改写成：

Pr（u=u0|e1…e2，t1…tn）

=Pr（e1…e2，t1…tn|u=u0）

（5）

上式中，Pr（e1…e2，t1…tn|u=u0） 可以用我们之前的方法求出，我们只需要找出用户过去的输入历史中，该片段e1…en，t1…tn出现的概率即可。实际操作上有两个小问题：第一用户随意输入一段话e1…en时，用户一般在过去并没有输入一模一样的段落，因此我们无法简单的通过过去的历史直接求出这一概率。然而我们可以使用一些近似手法，假设各事件之间是独立事件，这样虽然会损失一些精确度，但是能给我们带来计算概率的方法：

（6）

而乘积中的每一项都可以在过去的用户历史中求出。第二个问题是由于ti是实数，Pr（ei，ti|u=u0）要么是无穷大，要么是0。这是因为我们概率分布函数不连续，这个问题可以用把时间离散化的方式解决。

（5）式中的第二部分更难计算。事实上从分子分母两式的定义来计算其值几乎不可能，分子表示一系列事件的发生概率，而事件和用户键盘输入的具体内容有关，因输入内容的改变而改变，无法人用户过去的输入习惯中获得。分母则是该用户为指定用户的先验概率，更无法从输入习惯中获得。

在实际应用中，我们并不需要用严谨的数学方法来计算（5）式。考虑到

是一个关于用户的函数，我们知道对于特定类型（用户输入习惯类似）的文章，该值对于特定用户应该是一个常数。

因此，我们可以用过去用户输入的类似类型的文章/段落等获得该值。例如，同样是输入政府文件，同一用户在不同时间输入若干等长的文件（同取文件中随机的1000个事件）时，该分式的值应为常数。（严格意义上说，只有用户输入同样内容时，该值才为常数，但实际上操作上我们可以做一些近似假设）。

因此我们用过去用户输入的同等长度的片段来计算分式的值，我们把（5）改写成：

（7）

既然我们能够核实已有纪录里输入用户u0的身份，我们可以令，并利用（6）中的独立事件假设，把上式改写成：

（8）

将（7）（8）代入（5）我们即可获得正在输入用户为指定用户u0的概率：

（9）

值得注意的是我们需要在用户的过去输入历史中，随机选取n个事件来进行这一计算，这导致计算结果并不准确。理想状况下，如果用户确为指定用户u0，这一式子应等于1。

2 实验与验证

为了验证本数学模型的正确性我们在Linux平台下设计编制了一个user_name软件，利用这个软件对本数学模型进行了测试与验证。我们在学生中邀请了100名实验对象，将他们注册成用户进行测试。测试用户以自己的注册身份登录系统，输入统一的稿件来作为各自的键纹储存在数据库中。然后这些用户又输入一些随机片段，让计算机识别这些片段的输入用户，

实际测试结果，若用户本人输入，软件输出的输入者为用户本人的概率一般在0.01到100之间。概率不等于1的原因是算法中用随机片段近似地计算输入者为用户本人的概率，因此有若干数量级的误差。

我们再由用户A冒充B的身份登录系统，输入一定长度的文章片段，实测得软件计算出的用户为B本人的概率往往非常小，可达到10-10到10-6之间，由此可见本数学模型有着良好的用户身份区别作用，尽管近似算法带来的误差可能有正负两个数量级，但与其用户间的区别率高达七个数量级的识别性能来说，本算法具有很好的认证用户的效果。

3 结论

实验表明运用本数学模型来远程识别用户身份，具有简单可靠、运算速度快的特点，不失为一种远程登录用户身份识别的好方法。

参考文献

[1]Donald R.Rules of Thumb for Biometric System.Security Management， 1995（39）：67-74.

[2]Miller B.Vital Signs of ldentity.IEEE Spectrum，1994，31（2）：22-30.

[3]Alexander T J.Biometrics on Smart Cards：An Approach to Keyboard Behavior Signature. Future Generation Commputer System，1997（13）：19-26.

[4]Ru W G，Eloff J H P.Enhanced Password Authentication Through Fuzzy Logic. IEEE Transaction on Expert，1997，12（6）：38-45.

[5]芮挺，沈春林，Qi TIAN，张金林.基于HMM的击键特征用户身份认证[J].计算机工程，2005.

[6]桑应朋，范志平，郝莉.基于Levenberg-Marquardt 算法的用户击键特征鉴别[J].计算机应用，2004.

[7]WANG Y H，TAN T N，ZHU Y.Face identification based on singular values decomposition and data fusion.Chinese -put，2000，23（6）.

[8]NEGIN M，CHMIELEWSKI T A，SALGANICOFF M G，et al.An Iris Biometric System for public and personal puter，2000，33（2）：70-75.

[9]ERN L C，SULONG G.Fingerprint Classification Approaches an Overview.Sixth International. Symposium on Signal Processing and its Applications，2001（01）：347-350.